本站小編為你精心準備了煙霧主運動方向提取算法參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《計算機工程與應用雜志》2014年第十四期

1煙霧特征分析

煙霧是火災的前兆和伴隨產物，燃燒是一個持續的過程，因此造成了不完全燃燒過程中產生的大量煙霧也具有持續性，同時火災煙霧與周圍環境存在著濃度差和溫度差，在視覺上也造成了一定的邊緣效應和形體效應，但是以上這些變化在單幀圖像中是無法體現的，必須對序列幀進行研究才能準確體現出這些煙霧的動態特征[12]。據美國測試與材料學會和國際消防協會的定義：煙氣包括液相顆粒和懸浮的固相顆粒、材料熱解過程產生的氣相物質。因此，火災煙氣流動屬于兩相流流動，煙氣濃度、煙氣顆粒的大小等都會在圖像上產生相應的信息[13]。由于煙霧的運動是一種小尺度、快速變化的隨機運動，因此煙霧的顏色不可能出現明顯的突變，在初期升騰的煙霧中，煙霧總體表現出一種低頻向上的運動趨勢特性，這就是煙霧運動特性所具有的特殊性，該特殊性會使相鄰兩幀圖像中煙霧所對應的圖像上大部分像素點都產生變化，而背景中的其他物體由運動所引起的變化的像素點數目則較小，同時煙霧內部區域時刻處于無規則運動狀態，具有局部亮度突變的特征。相關資料表明，煙霧的運動做為一種隨機運動，幀間相似度比較小且運動頻率較低，當圖像采集的采樣速率為15幀/s時，相鄰兩幀相似度低于30%，火災煙氣顆粒內部特征則表現為一種小尺度、快速變化的隨機運動，且呈現低頻向上的運動趨勢。

2基于Meanshift目標匹配

由于煙霧的圖像幀間相似度低，根據這些特性，采用基于背景差分法進行煙霧運動塊特征的提取，利用Meanshift對煙霧運動塊進行特征匹配，從而可以估算出主運動方向。為了估計煙霧塊的運動矢量方向，如圖1所示，通過把前一幀的圖像塊分別匹配到當前幀對應位置周圍的9個數據塊。然后利用Bhattachyarya系數進行相似程度度量，在對應的9個數據塊中，找到一個Bhattachyarya系數最大的值。Bhattachyarya系數值越大，表示兩個數據塊相似程度最高。如果所有數據塊Bhattachyarya系數都小于一定的閾值，表示匹配不成功，如果當前幀的位置和下一幀位置相同，表示數據塊沒有移動。在相鄰幀中通過Bhattachyarya系數匹配確定“疑似塊”對應位置，從而可以確定該數據塊煙霧的運動方向。設當前幀的疑似數據塊中心坐標為{y(0)y(1)y(8)}其對應的運動方向為{129}如果匹配到9，表示數據塊沒有發生運動。設視頻序列圖像被分成m´n個數據塊，則上式θ(ij)可以用來表示煙霧塊匹配成功的數字編碼，每個編碼表示一個運動方向，(ij)表示圖像m´n個數據塊中，第i和第j位置的數據塊。φ(x)是從運動方向里面查詢相對應數值的函數。

3基于時間窗的“疑似塊”運動方向的直方圖統計

雖然通過對所有數據塊煙霧的運動方向進行統計，就可以確定煙霧的總體運動方向，但是由于各種噪聲的影響，很難準確地提取出疑似塊方向。由于不準確的運動方向判斷可能會影響后續的煙霧檢測，所以必須采用時間窗對每個數據塊的運動進行統計，以盡量減少噪聲的干擾[14]。通過時間窗WT可計算出每個塊在時間窗內的運動方向的直方圖HT(θ(ij))l=129如圖2所示，其中WT是進行統計所取圖像幀數量。通過計算每個數據塊的運動方向直方圖，采用在時間窗口里面出現運動方向次數最多的方向作為該數據塊當前的主運動方向，采用下式計算。

4主運動方向的判別

初期煙霧基本上是一個緩變信號，在較短的時間內，不會產生明顯的整體移動，因此從時間軸上看，在煙霧區域存在的運動概率大于其他區域。為了對煙霧運動能夠準確的度量，本文構建了一個大小為WT的滑時間窗口對滑動窗口內的塊運動數據進行累積，因此第(ij)數據塊的累積量可以表示如下：如果在整個時間窗內數據塊一直都是運動的，那么該數據塊的累積量達到最大值，當數據塊完全處于靜止狀態時，該塊的累積量為最小值。由于存在各種噪聲，大部分數據塊的累積量不為0。為了抑制噪聲和剛性物體的干擾，假定數據塊的累積量小于某一閾值時把該塊當作非煙霧塊處理。提取公式表示如下。煙霧在灼熱空氣的驅動下表現為某一方向運動的趨勢，整體上會存在一個主要運動方向，對應初期升騰的煙霧來說，煙霧的主運動方向是向上的，為了消除某些非煙霧物體的干擾，必須需要計算出每一個區域的主運動方向。通過對圖3分析，可以知道2、3、4是向上及斜上方運動方向，是煙霧主運動的特征方向。由于煙霧的向上、兩側運動的特點，即使受到劇烈空氣流動等干擾的影響，2，3，4所代表的運動方向所占的比例也會較高。對煙霧疑似區域所有小塊各運動方向的個數進行統計，并根據以下公式可以計算每個疑似煙霧區域的主運動所占的比率。

5實驗結果分析

本文采用濃黑色煙、灰白色煙霧以及人運動等進行實驗，驗證通過主方向特征提取煙霧的能力以及排除干擾的能力，并通過不同的序列幀對煙霧的運動累積效應進行驗證。圖4是對灰白色的煙霧進行主運動方向提取所能顯示的結果，由于早期火災的煙霧基本上是一個緩變信號，因此如果數據塊在整個時間窗內都保持運動，那么該數據塊的累積量將達到最大值。從圖4可以分析得知，經過5幀圖像累積以后，煙霧的運動累積效果大大增加，燈光的閃動所產生的對于運動方向的干擾信息則變化不明顯。經過公式（9）對主運動方向的提取，可以看出初期升騰煙霧是滿足主運動方向的特征要求的，因此在圖像中被保留下來，而干擾則被基本剔除。為了進一步驗證算法對主運動方向驗證的適用性，本文對背景信息比較復雜、有強光干擾條件下的倉庫圖像進行了信息提取和處理，針對濃黑色煙霧進行了驗證主運動方向提取能力的實驗，從圖5可以分析得知，經過7幀圖像累積以后，煙霧的運動累積效果大大增加，煙霧在圖像中被保留下來，而干擾則被基本剔除。從圖6中可以看到本文在有人體運動干擾下的煙霧方向提取圖的結果，由于人的運動和光線的干擾對主運動的累積量貢獻不大，隨著幀數的增加，累積量基本呈現逐步下降的趨勢，而且也不滿足主運動方向判定要求，因此本文的方法不會對該情況產生誤報現象。為了進一步驗證算法的有效性，將本文算法和BBGDS[7]與HEXBS[9]以及全搜索算法進行比較，實驗中用每個“疑似塊”的平均搜索點數作為衡量算法搜索速度的指標，用視頻序列重建圖像亮度的平均峰值信噪PSNR作為搜索精度的指標。實驗使用VisualC++6.0編程實現，“疑似塊”大小采用6×6像素，時間窗口為15個像素點，匹配準側為SAD，實驗數據如圖4~6，圖像大小為704×576。從表1可以看，本文提出的快速提取算法能夠明顯降低尋找主運動方向的平均搜索點數，因此本文具有收斂速度快和搜索點數量少的特點。從表2列出了各種算法的重建圖像亮度PSNR平均值，從實驗結果來看，全搜索算法的PSNR最好，搜索精度最高。本文算法搜索精度要高于HEXBS和BBGDS算法，和全搜索算法非常接近。因此本文算法具有高的搜索精度。

6結論

本文把前一幀的圖像塊分別匹配到當前幀對應位置周圍的9個數據塊，利用Bhattachyarya系數進行相似程度度量，在對應9個數據塊中找到一個Bhattachyarya系數最大的值，利用Bhattachyarya系數值來估計煙霧塊的運動矢量的方向。通過對所有數據塊煙霧的運動方向進行統計，就可以確定整個煙霧的主要運動方向。由于在實際狀態下各種噪聲的影響，準確地提取出塊運動方向具有相當難度，而不準確的運動方向可能會影響后續的煙霧檢測，所以本文采用了適當的時間窗對每個數據塊的運動進行統計，以盡量減少噪聲的干擾，對比實驗表明，本文減少搜索點數量和提高搜索精度，解決了初期升騰階段煙霧內部呈現局部小運動特征難以提取的問題。

作者：劉青張曉暉黃軍勤單位：西安理工大學工程訓練中心